Taller_MAS

TallerdeMuestreo:

Caso:“DesastresNaturales”:

En la base de datos relacionada, se encuentra el “Registro de Eventos Naturales o Antrópicos no Intencionales”ocurridos durante el año 2019, que fueron reportados a la UNGRD (Unidad Nacional para la Gestión del Riesgo de Desastres) con su respectiva afectación y atención prestada a cada uno. https://www.datos.gov.co/Ambiente-y-Desarrollo-Sostenible/Emergencias-UNGRD-2019/4fd8-ptcr (BaseExcelDepurada)

Actividad:

1. Asumiendo que esta base de datos es el marco de muestreo de su investigación, y teniendo en cuenta que el atributo más importante para su investigación son los EVENTOS, y en especial el evento, el evento INCENDIO DE COBERTURA VEGETAL, bajo un nivel de confianza del 93%, y asumiendo un error de muestreo en las estimaciones no superior a 3%; proporcione un tamaño mínimo de muestra (bajo un muestreo aleatorio simple), para realizar las estimaciones que se indican a continuación, semilla (3564). (Peso 30%)

head(Incendios)

## # A tibble: 6 x 75
##   FECHA    DEPARTAMENTO COD_DANE MUNICIPIO EVENTO_INC EVENTO DIVIPOLA FALLECIDOS
##   <chr>    <chr>        <chr>    <chr>          <dbl> <chr>     <dbl>      <dbl>
## 1 01/01/2~ ANTIOQUIA    05       SAN JERO~          0 INCEN~     5656          0
## 2 01/01/2~ RISARALDA    66       MARSELLA           0 INMER~    66440          1
## 3 01/01/2~ ANTIOQUIA    05       ANZA               1 INCEN~     5044          0
## 4 01/01/2~ ANTIOQUIA    05       MONTEBEL~          1 INCEN~     5467          0
## 5 01/01/2~ ANTIOQUIA    05       CAUCASIA           0 INCEN~     5154          0
## 6 01/01/2~ ANTIOQUIA    05       AMAGA              1 INCEN~     5030          0
## # ... with 67 more variables: HERIDOS <dbl>, DESAPARECIDOS <dbl>,
## #   PERSONAS <dbl>, FAMILIAS <dbl>, `VIVIENDAS DESTRUIDAS` <dbl>,
## #   `VIVIENDAS AVERIADAS` <dbl>, VIAS <dbl>, `PUENTES VEHICULARES` <dbl>,
## #   `PUENTES PEATONALES` <dbl>, ACUEDUCTO <dbl>, ALCANTARILLADO <dbl>,
## #   `CENTROS DE SALUD` <dbl>, `CENTROS EDUCATIVOS` <dbl>,
## #   `CENTROS COMUNITARIOS` <dbl>, HECTAREAS <dbl>, `OTROS-AFECTACION` <chr>,
## #   `SUBSIDIO DE ARRIENDO` <dbl>, `ASISTENCIA NO ALIMENTARIA` <dbl>, ...

## En el proceso de limpieza se quitaros 2 registros , un dato que corresponde a peru y un dato vacio


dim(Incendios)

## [1] 4435   75

N = nrow(Incendios)

## N corresponde a la población total del estudio que son el total de registros

z = qnorm(0.035, mean= 0, sd = 1, lower.tail = TRUE)

## 
d = 0.03

n = z*z*0.5*0.5/(d*d+(z*z*0.5*0.5)/N)


n = ceiling(n)

n

## [1] 757

set.seed(3564)
muestra_inc <- Incendios [ sample (N, size = n ),]
#muestra_inc

2. A través de la muestra seleccionada, proporcione las siguientes estimaciones con su margen de error (Var, EE, CV, IC): Estimación del total de personas fallecidas, promedio de personas heridas, y la proporción de casos de EVENTOS: INCENDIOS DE COBERTURA VEGETAL ( Peso 30%)

MediaH=mean(muestra_inc$HERIDOS)
MediaH

## [1] 0.3949802

MediaF=mean(muestra_inc$FALLECIDOS)
MediaF

## [1] 0.1294584

muestra_inc$TotalN <- N
head(muestra_inc)

## # A tibble: 6 x 76
##   FECHA    DEPARTAMENTO COD_DANE MUNICIPIO EVENTO_INC EVENTO DIVIPOLA FALLECIDOS
##   <chr>    <chr>        <chr>    <chr>          <dbl> <chr>     <dbl>      <dbl>
## 1 05/30/2~ RISARALDA    66       DOSQUEBR~          0 MOVIM~    66170          0
## 2 04/20/2~ NORTE DE SA~ 54       TOLEDO             0 AVENI~    54820          0
## 3 07/29/2~ SANTANDER    68       RIONEGRO           0 VENDA~    68615          0
## 4 01/11/2~ META         50       GRANADA            1 INCEN~    50313          0
## 5 01/27/2~ BOYACA       15       RAMIRIQUI          1 INCEN~    15599          0
## 6 09/13/2~ TOLIMA       73       COYAIMA            1 INCEN~    73217          0
## # ... with 68 more variables: HERIDOS <dbl>, DESAPARECIDOS <dbl>,
## #   PERSONAS <dbl>, FAMILIAS <dbl>, `VIVIENDAS DESTRUIDAS` <dbl>,
## #   `VIVIENDAS AVERIADAS` <dbl>, VIAS <dbl>, `PUENTES VEHICULARES` <dbl>,
## #   `PUENTES PEATONALES` <dbl>, ACUEDUCTO <dbl>, ALCANTARILLADO <dbl>,
## #   `CENTROS DE SALUD` <dbl>, `CENTROS EDUCATIVOS` <dbl>,
## #   `CENTROS COMUNITARIOS` <dbl>, HECTAREAS <dbl>, `OTROS-AFECTACION` <chr>,
## #   `SUBSIDIO DE ARRIENDO` <dbl>, `ASISTENCIA NO ALIMENTARIA` <dbl>, ...

#muestra_inc

mydesign <- svydesign(id = ~1, data = muestra_inc, fpc = ~TotalN)

summary(mydesign)

## Independent Sampling design
## svydesign(id = ~1, data = muestra_inc, fpc = ~TotalN)
## Probabilities:
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##  0.1707  0.1707  0.1707  0.1707  0.1707  0.1707 
## Population size (PSUs): 4435 
## Data variables:
##  [1] "FECHA"                                                         
##  [2] "DEPARTAMENTO"                                                  
##  [3] "COD_DANE"                                                      
##  [4] "MUNICIPIO"                                                     
##  [5] "EVENTO_INC"                                                    
##  [6] "EVENTO"                                                        
##  [7] "DIVIPOLA"                                                      
##  [8] "FALLECIDOS"                                                    
##  [9] "HERIDOS"                                                       
## [10] "DESAPARECIDOS"                                                 
## [11] "PERSONAS"                                                      
## [12] "FAMILIAS"                                                      
## [13] "VIVIENDAS DESTRUIDAS"                                          
## [14] "VIVIENDAS AVERIADAS"                                           
## [15] "VIAS"                                                          
## [16] "PUENTES VEHICULARES"                                           
## [17] "PUENTES PEATONALES"                                            
## [18] "ACUEDUCTO"                                                     
## [19] "ALCANTARILLADO"                                                
## [20] "CENTROS DE SALUD"                                              
## [21] "CENTROS EDUCATIVOS"                                            
## [22] "CENTROS COMUNITARIOS"                                          
## [23] "HECTAREAS"                                                     
## [24] "OTROS-AFECTACION"                                              
## [25] "SUBSIDIO DE ARRIENDO"                                          
## [26] "ASISTENCIA NO ALIMENTARIA"                                     
## [27] "APOYO ALIMENTARIO"                                             
## [28] "MATERIALES CONSTRUCCION"                                       
## [29] "SACOS - BIGBAG"                                                
## [30] "OBRAS DE EMERGENCIA"                                           
## [31] "CARROTANQUES - MOTOBOMBAS-PLANTA POTABILIZADORA"               
## [32] "HORAS MAQUINA\r\nRETROEXCAVADORA\r\nBULLDOCER\r\nINTERVENTORIA"
## [33] "APOYO AEREO / TERRESTRE"                                       
## [34] "FIC / TRANSFERENCIAS ECONOMICAS"                               
## [35] "INFRAESCTRUCTURA TECNOLOGICA"                                  
## [36] "RECURSOS EJECUTADOS"                                           
## [37] "OTROS"                                                         
## [38] "CANTIDAD KIT DE ALIMENTO"                                      
## [39] "VALOR KIT DE ALIMENTO"                                         
## [40] "CANTIDAD RACIONES DE CAMPAÑA"                                  
## [41] "VALOR RACIONES DE CAMPAÑA"                                     
## [42] "CANTIDAD KIT ASEO"                                             
## [43] "VALOR KIT ASEO"                                                
## [44] "CANTIDAD KIT COCINA"                                           
## [45] "VALOR KIT COCINA"                                              
## [46] "CANTIDAD COLCHONETA"                                           
## [47] "VALOR COLCHONETA"                                              
## [48] "CANTIDAD FRAZADAS/\r\nSOBRECAMAS"                              
## [49] "VALOR FRAZADAS/\r\nSOBRECAMAS"                                 
## [50] "CANTIDAD SABANAS / COBIJA SENCILLA"                            
## [51] "VALOR SABANAS / COBIJA SENCILLA"                               
## [52] "CANTIDAD HAMACAS"                                              
## [53] "VALOR HAMACAS"                                                 
## [54] "CANTIDAD TOLDILLOS"                                            
## [55] "VALOR TOLDILLOS"                                               
## [56] "CANTIDAD CARPAS"                                               
## [57] "VALOR CARPAS"                                                  
## [58] "CANTIDAD ESTUFAS"                                              
## [59] "VALOR ESTUFAS"                                                 
## [60] "VALOR TOTAL ASISTENCIA NO ALIMENTARIA"                         
## [61] "CANTIDAD PLASTICO NEGRO"                                       
## [62] "VALOR PLASTICO NEGRO"                                          
## [63] "CANTIDAD SACOS"                                                
## [64] "VALOR SACOS"                                                   
## [65] "CANTIDAD BIG BAG"                                              
## [66] "VALOR BIG BAG"                                                 
## [67] "CANTIDAD CEMENTO"                                              
## [68] "VALOR CEMENTO"                                                 
## [69] "CANTIDAD TEJAS DE ZINC"                                        
## [70] "VALOR TEJAS DE ZINC"                                           
## [71] "CANTIDAD TEJAS DE FIBROCEMENTO"                                
## [72] "VALOR TEJAS DE FIBROCEMENTO"                                   
## [73] "DESCRIPCION MATERIALES DE CONSTRUCCION"                        
## [74] "VALOR MATERIALES DE CONSTRUCCION"                              
## [75] "VALOR TOTAL  APOYO DEL FNGRD"                                  
## [76] "TotalN"

# Estimaciones
svymean(muestra_inc$HERIDOS,mydesign)

##         mean     SE
## [1,] 0.39498 0.0662

summary(mydesign)

## Independent Sampling design
## svydesign(id = ~1, data = muestra_inc, fpc = ~TotalN)
## Probabilities:
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##  0.1707  0.1707  0.1707  0.1707  0.1707  0.1707 
## Population size (PSUs): 4435 
## Data variables:
##  [1] "FECHA"                                                         
##  [2] "DEPARTAMENTO"                                                  
##  [3] "COD_DANE"                                                      
##  [4] "MUNICIPIO"                                                     
##  [5] "EVENTO_INC"                                                    
##  [6] "EVENTO"                                                        
##  [7] "DIVIPOLA"                                                      
##  [8] "FALLECIDOS"                                                    
##  [9] "HERIDOS"                                                       
## [10] "DESAPARECIDOS"                                                 
## [11] "PERSONAS"                                                      
## [12] "FAMILIAS"                                                      
## [13] "VIVIENDAS DESTRUIDAS"                                          
## [14] "VIVIENDAS AVERIADAS"                                           
## [15] "VIAS"                                                          
## [16] "PUENTES VEHICULARES"                                           
## [17] "PUENTES PEATONALES"                                            
## [18] "ACUEDUCTO"                                                     
## [19] "ALCANTARILLADO"                                                
## [20] "CENTROS DE SALUD"                                              
## [21] "CENTROS EDUCATIVOS"                                            
## [22] "CENTROS COMUNITARIOS"                                          
## [23] "HECTAREAS"                                                     
## [24] "OTROS-AFECTACION"                                              
## [25] "SUBSIDIO DE ARRIENDO"                                          
## [26] "ASISTENCIA NO ALIMENTARIA"                                     
## [27] "APOYO ALIMENTARIO"                                             
## [28] "MATERIALES CONSTRUCCION"                                       
## [29] "SACOS - BIGBAG"                                                
## [30] "OBRAS DE EMERGENCIA"                                           
## [31] "CARROTANQUES - MOTOBOMBAS-PLANTA POTABILIZADORA"               
## [32] "HORAS MAQUINA\r\nRETROEXCAVADORA\r\nBULLDOCER\r\nINTERVENTORIA"
## [33] "APOYO AEREO / TERRESTRE"                                       
## [34] "FIC / TRANSFERENCIAS ECONOMICAS"                               
## [35] "INFRAESCTRUCTURA TECNOLOGICA"                                  
## [36] "RECURSOS EJECUTADOS"                                           
## [37] "OTROS"                                                         
## [38] "CANTIDAD KIT DE ALIMENTO"                                      
## [39] "VALOR KIT DE ALIMENTO"                                         
## [40] "CANTIDAD RACIONES DE CAMPAÑA"                                  
## [41] "VALOR RACIONES DE CAMPAÑA"                                     
## [42] "CANTIDAD KIT ASEO"                                             
## [43] "VALOR KIT ASEO"                                                
## [44] "CANTIDAD KIT COCINA"                                           
## [45] "VALOR KIT COCINA"                                              
## [46] "CANTIDAD COLCHONETA"                                           
## [47] "VALOR COLCHONETA"                                              
## [48] "CANTIDAD FRAZADAS/\r\nSOBRECAMAS"                              
## [49] "VALOR FRAZADAS/\r\nSOBRECAMAS"                                 
## [50] "CANTIDAD SABANAS / COBIJA SENCILLA"                            
## [51] "VALOR SABANAS / COBIJA SENCILLA"                               
## [52] "CANTIDAD HAMACAS"                                              
## [53] "VALOR HAMACAS"                                                 
## [54] "CANTIDAD TOLDILLOS"                                            
## [55] "VALOR TOLDILLOS"                                               
## [56] "CANTIDAD CARPAS"                                               
## [57] "VALOR CARPAS"                                                  
## [58] "CANTIDAD ESTUFAS"                                              
## [59] "VALOR ESTUFAS"                                                 
## [60] "VALOR TOTAL ASISTENCIA NO ALIMENTARIA"                         
## [61] "CANTIDAD PLASTICO NEGRO"                                       
## [62] "VALOR PLASTICO NEGRO"                                          
## [63] "CANTIDAD SACOS"                                                
## [64] "VALOR SACOS"                                                   
## [65] "CANTIDAD BIG BAG"                                              
## [66] "VALOR BIG BAG"                                                 
## [67] "CANTIDAD CEMENTO"                                              
## [68] "VALOR CEMENTO"                                                 
## [69] "CANTIDAD TEJAS DE ZINC"                                        
## [70] "VALOR TEJAS DE ZINC"                                           
## [71] "CANTIDAD TEJAS DE FIBROCEMENTO"                                
## [72] "VALOR TEJAS DE FIBROCEMENTO"                                   
## [73] "DESCRIPCION MATERIALES DE CONSTRUCCION"                        
## [74] "VALOR MATERIALES DE CONSTRUCCION"                              
## [75] "VALOR TOTAL  APOYO DEL FNGRD"                                  
## [76] "TotalN"

#=========================


VarH=var(muestra_inc$HERIDOS)
VarH

## [1] 3.998546

MediaH=mean(muestra_inc$HERIDOS)
MediaH

## [1] 0.3949802

VarEstim=(1-757/4435)*VarH/757
VarEstim

## [1] 0.004380507

EE=sqrt(VarEstim)
EE

## [1] 0.0661854

CV=(EE/MediaH)*100
CV

## [1] 16.75664

valort=qt(c(0.025),df=(757-1),lower.tail = FALSE)# probabilidad de cola 0.025 equivle a nivel de confianza del 95%, ya q la dist t es simetrica

Lsup=MediaH+(valort*EE) 
Linf=MediaH-(valort*EE)


resumenMediaH1 <- data.frame(n ,MediaH,VarEstim,EE,Linf,Lsup,CV)
resumenMediaH1

##     n    MediaH    VarEstim        EE      Linf      Lsup       CV
## 1 757 0.3949802 0.004380507 0.0661854 0.2650512 0.5249092 16.75664

#Con un nivel de confianza del 95% el promedio de los heridos de la población va a ser de 0.39


EstimTot=N*MediaF
EstimTot

## [1] 574.148

VarEstimTOT=(N^2)*VarEstim
VarEstimTOT

## [1] 86161.17

#El Error Estándar (EE) de la estimación, es:
EETot=sqrt(VarEstimTOT)

EETot

## [1] 293.5322

## Calculo de intervalo de confianza al 95%

valortF=qt(c(0.025),df=(757-1),lower.tail = FALSE)# probabilidad de cola 0.025 equivle a nivel de confianza del 95%, ya q la dist t es simetrica

LsupTotF=EstimTot+(valortF*EETot) 
LinfTotF=EstimTot-(valortF*EETot)

# El coeficiente de variación de la estimación del Total, es:
CVTot=(EETot/EstimTot)*100
CVTot

## [1] 51.12484

resumenTotF <- data.frame(n ,EstimTot,VarEstimTOT,EETot,LinfTotF,LsupTotF,CVTot)
resumenTotF

##     n EstimTot VarEstimTOT    EETot LinfTotF LsupTotF    CVTot
## 1 757  574.148    86161.17 293.5322 -2.08718 1150.383 51.12484

3. Tome la estimación del promedio de personas heridas (calculado anteriormente), desagréguelo por departamentos, y haga una representación cartográfica (Exclusivamente con la metodología – Código R usado en la clase anterior) de su estimación promedio. (Peso 30%)

## Cartografía


sp_df <- readOGR(dsn = "MGN2021_DPTO_POLITICO", layer = "MGN_DPTO_POLITICO")

## Warning in OGRSpatialRef(dsn, layer, morphFromESRI = morphFromESRI, dumpSRS =
## dumpSRS, : Discarded datum Marco_Geocentrico_Nacional_de_Referencia in Proj4
## definition: +proj=longlat +ellps=GRS80 +towgs84=0,0,0,0,0,0,0 +no_defs

## OGR data source with driver: ESRI Shapefile 
## Source: "D:\Scripts_SQL\ProyectoEstadistica\ProyectoEstadistica\TallerMuestreo\MGN2021_DPTO_POLITICO", layer: "MGN_DPTO_POLITICO"
## with 33 features
## It has 9 fields

#head(sp_df)
#fix(sp_df)
#as.data.frame(sp_df)

DPTO_SH="MGN2021_DPTO_POLITICO/MGN_DPTO_POLITICO.shp"

DPTO_SH2 <- st_read(DPTO_SH)

## Reading layer `MGN_DPTO_POLITICO' from data source 
##   `D:\Scripts_SQL\ProyectoEstadistica\ProyectoEstadistica\TallerMuestreo\MGN2021_DPTO_POLITICO\MGN_DPTO_POLITICO.shp' 
##   using driver `ESRI Shapefile'
## Simple feature collection with 33 features and 9 fields
## Geometry type: MULTIPOLYGON
## Dimension:     XY
## Bounding box:  xmin: -81.73562 ymin: -4.229406 xmax: -66.84722 ymax: 13.39473
## Geodetic CRS:  MAGNA-SIRGAS

HeridosDepto <- muestra_inc %>%
group_by(DEPARTAMENTO) %>%
  summarise(promedioH = mean(HERIDOS),COD_DANE)

## `summarise()` has grouped output by 'DEPARTAMENTO'. You can override using the
## `.groups` argument.

# Para visualizar la base resumida
ResumenH=as.data.frame(HeridosDepto)
#ResumenH



Etiquetas=unite(ResumenH, Etiqueta,c(1,2), sep = ": ", remove = TRUE)
Etiquetas=Etiquetas[,1]
#Etiquetas



Resumen3=cbind(ResumenH, Etiquetas )
#Resumen3


DPTO_SH2

## Simple feature collection with 33 features and 9 fields
## Geometry type: MULTIPOLYGON
## Dimension:     XY
## Bounding box:  xmin: -81.73562 ymin: -4.229406 xmax: -66.84722 ymax: 13.39473
## Geodetic CRS:  MAGNA-SIRGAS
## First 10 features:
##    DPTO_CCDGO   DPTO_CNMBR DPTO_ANO_C                         DPTO_ACT_A
## 1          05    ANTIOQUIA       1886      Constitucion Politica de 1886
## 2          08    ATLÁNTICO       1910                     Ley 21 de 1910
## 3          11 BOGOTÁ, D.C.       1538      Constitucion Politica de 1886
## 4          13      BOLÍVAR       1886      Constitucion Politica de 1886
## 5          15       BOYACÁ       1886      Constitucion Politica de 1886
## 6          17       CALDAS       1905                11 de Abril de 1905
## 7          18      CAQUETÁ       1981 Ley 78 del 29 de Diciembre de 1981
## 8          19        CAUCA       1857                15 de junio de 1857
## 9          20        CESAR       1967        Ley 25  21 de junio de 1967
## 10         23      CÓRDOBA       1951  Ley 9 del 18 de Diciembre de 1951
##    DPTO_NAREA DPTO_CSMBL DPTO_VGNC Shape_Leng Shape_Area
## 1   62808.630          3      2021  21.492374  5.1352363
## 2    3314.447          3      2021   2.573162  0.2738225
## 3    1622.853          3      2021   3.765324  0.1322079
## 4   26719.968          3      2021  16.233072  2.1956393
## 5   23138.048          3      2021  15.906491  1.8883908
## 6    7425.246          3      2021   6.663759  0.6054998
## 7   92831.284          3      2021  21.218741  7.5402411
## 8   31242.803          3      2021  13.955090  2.5344101
## 9   22565.307          3      2021  12.578459  1.8582044
## 10  25086.221          3      2021   9.725656  2.0575064
##                          geometry
## 1  MULTIPOLYGON (((-76.41355 8...
## 2  MULTIPOLYGON (((-74.84946 1...
## 3  MULTIPOLYGON (((-74.07059 4...
## 4  MULTIPOLYGON (((-76.17318 9...
## 5  MULTIPOLYGON (((-72.17368 7...
## 6  MULTIPOLYGON (((-74.67154 5...
## 7  MULTIPOLYGON (((-74.79916 2...
## 8  MULTIPOLYGON (((-76.45922 3...
## 9  MULTIPOLYGON (((-73.45335 1...
## 10 MULTIPOLYGON (((-75.88119 9...

DPTO_JOIN <- geo_join(DPTO_SH2, Resumen3,"DPTO_CCDGO", "COD_DANE")

## Warning: We recommend using the dplyr::*_join() family of functions instead.

## Warning: `group_by_()` was deprecated in dplyr 0.7.0.
## Please use `group_by()` instead.
## See vignette('programming') for more help
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was generated.

#DPTO_JOIN = as.data.frame(DPTO_JOIN)
#DPTO_JOIN


pal <- colorNumeric( palette = "RdYlBu", domain=DPTO_JOIN$promedioH)  #palette = "YlGnBu"   "RdBu"  "RdYlBu"  "Spectral"  "Paired"  "PuRd"  "RdYlGn"


popup_sb <- paste0("Promedio de Heridos: ", as.character(DPTO_JOIN$promedioH))


leaflet(sp_df) %>%
  addProviderTiles("CartoDB.Positron") %>%
  #setView(-98.483330, 38.712046, zoom = 4) %>% 
  addPolygons(data = DPTO_JOIN , 
              fillColor = ~pal(DPTO_JOIN$promedioH),
              opacity = 1,
              color = "black",
              dashArray = "3",fillOpacity = 0.9,
              highlight = highlightOptions(
                weight = 1,
                color = "#666",
                dashArray = "",
                fillOpacity = 1,
                bringToFront = TRUE),
              label = DPTO_JOIN$Etiquetas,
              labelOptions = labelOptions(
                style = list("font-weight" = "normal", padding = "3px 8px"),
                textsize = "15px",
                direction = "auto"))%>%
  addLegend(pal = pal, values =DPTO_JOIN$promedioH, opacity = 0.7, title = NULL,
            position = "bottomright")

## Warning: sf layer has inconsistent datum (+proj=longlat +ellps=GRS80 +towgs84=0,0,0,0,0,0,0 +no_defs).
## Need '+proj=longlat +datum=WGS84'